您的位置： 专家智库 > >

郑艳松

作品数：6 被引量：8H指数：2
供职机构：华南农业大学珠江学院更多>>
相关领域：自动化与计算机技术文化科学电子电信更多>>

合作作者

文献类型

  • 6篇中文期刊文章

领域

  • 6篇自动化与计算...
  • 1篇电子电信
  • 1篇文化科学

主题

  • 1篇低延迟
  • 1篇调度
  • 1篇异常数据
  • 1篇用户侧
  • 1篇语言
  • 1篇语言程序
  • 1篇智能诊断
  • 1篇时隙
  • 1篇数据调度
  • 1篇数据库
  • 1篇组件
  • 1篇组件库
  • 1篇网络
  • 1篇网络数据
  • 1篇无线传感
  • 1篇无线传感网
  • 1篇系统设计
  • 1篇教学探索
  • 1篇聚类
  • 1篇聚类方法

机构

  • 6篇华南农业大学

作者

  • 6篇郑艳松
  • 2篇屈晓

传媒

  • 2篇现代计算机
  • 1篇电脑知识与技...
  • 1篇传感技术学报
  • 1篇现代电子技术
  • 1篇电脑知识与技...

年份

  • 1篇2025
  • 3篇2024
  • 1篇2013
  • 1篇2012
共 6 条 记 录，以下是 1-6
全选 清除 导出
排序方式：
分布式无线传感网中低延迟数据调度算法研究
2024年
分布式无线传感网中节点数据量增大,会导致节点能耗不均匀,数据传输过程出现低延迟现象,影响数据传输效率。为解决这一问题,提出分布式无线传感网中低延迟数据调度算法研究。基于分布式无线传感网络结构分析了低延迟数据调度延迟的主要因素,依据分析结果采用MDAS-ST算法,建立低延迟初始信息数据,对低延迟数据节点构建父节点候选集,建立低延迟数据候选调度模型,以低延迟数据父节点候选集为主,从中选取一个父节点,并分别分配到分布式无线传感网络时隙内;建立低延迟数据调度序列,利用该序列实现低延迟数据的调度研究。仿真结果表明,该方法的平均发送次数约为1.2次、调度延迟为322μs、网络吞吐率为99%,能耗为500 nJ/bit。
屈晓郑艳松
项目式教学方法在ACCESS数据库中的应用被引量：3
2012年
目前,ACCESS数据库课程现在已经成为很多高校普遍开设的一门课程,特别是独立学院的经济管理和财政会计类的专业,更是必开的课程,经管和财会类学生必须要掌握的一门计算机类课程。但在这门课程的教学中,多数教师仍采用传统教学模式,即过于注重ACCESS数据库中的各对象特点和一些细节的讲解,没有对课程进行整体讲解,没有把该课程作为一个软件开发的整体体系来进行分析。很多学生在学习时感到内容枯燥,不知道用在什么地方,不易接受,实际应用操作能力很差.我根据多年的教学经验,和独立学院学生的现状,就ACCESS课程的教学进行了探索,提出一种项目式教学方法。
郑艳松
关键词：ACCESS数据库
一种实现C语言程序的在线编译系统设计被引量：1
2024年
该系统旨在帮助学生在线学习C语言程序,并解决开发环境免安装的问题。开发工具包括Visual Studio Code、IntelliJ IDEA 2022.2.3、MySQL数据库、Postman接口测试工具、Tomcat网络服务器用于后端开发,Node.js用于前端开发。后端使用Spring Boot、Spring Data JPA、JWT、Redis框架来实现MVC模式。前端基于Vue框架,使用Element-Plus和Vant组件库进行界面搭建,并采用Axios进行数据交互,同时通过Node调用GCC库处理C语言代码的编译。总体来说,该系统设计为一个完全前后端分离的Web应用。系统的前端主要包含C语言编译、全部题目列表、个人题目发布、个人信息管理、账号安全、代码保存、日志记录等模块。
屈晓周挺郑艳松
关键词：系统设计MVC
关于独立学院《计算机组装与维护》课程的教学探索被引量：2
2013年
《计算机组装与维护》课程是一门侧重于实践和应用的课程,其特点是实践性强,注重培养学生的动手和实操能力。根据其特点,对如何进行实践性教学模式改革,发挥现代教学手段优势;如何提高学生的计算机操作和动手能力值得大家去思考。结合我多年的实际教学经验,得出以下若干教学改革建议。
郑艳松
关键词：计算机组装与维护教学改革
基于DBSCAN算法的海量网络数据增量并行化聚类方法被引量：2
2024年
传统的聚类算法在面对动态递增的数据时,需要重新运行整个聚类过程,耗时且效率低。为有效应对这一挑战,提出基于DBSCAN算法的海量网络数据增量并行化聚类方法。采用Chernoff bounds准则分区网络数据,确保均衡且具代表性。应用DBSCAN算法聚类,精准识别高密度区域,同时处理噪声数据,实现网络数据的初始化聚类。针对动态数据,设定增量合并原则,高效合并新数据与原始聚类,保持聚类结果实时更新。实验结果表明,所提出的方法具有较高的置信水平(不低于97%),并且在聚类时间复杂度上表现出色,成功实现了对海量网络数据的增量并行化精准快速聚类。
郑艳松陶礼贵
关键词：DBSCAN算法网络数据
基于深度并行时序网络的用户侧异常数据智能诊断
2025年
在用户侧数据中,异常往往隐藏在复杂的时序关系中,传统的时序分析方法在处理用户侧数据中复杂的时序关系时存在困难,特征提取难以捕获关键特征,导致诊断精度低且易漏检。为此,研究一种基于深度并行时序网络的用户侧异常数据智能诊断方法。深度并行时序网络分解层利用滑动窗口法分割用户侧数据,得到数个窗口序列。编码层依据层叠时序卷积神经网络与长短期记忆(LSTM)网络建立编码器,提取各窗口序列的时空特征;解码层通过引入时间注意力机制的门控循环单元建立解码器,重构窗口序列的时空特征;推断层依据重构特征计算异常分数,当异常分数大于设置阈值时,说明该窗口内的用户侧数据为异常数据,即完成了用户侧异常数据的智能诊断。实验结果表明,所提方法可有效提取用户侧数据特征,计算异常分数,并完成用户侧异常数据智能诊断。
郑艳松廖伟国
关键词：用户侧异常数据智能诊断
全选 清除 导出
共1页<1>
聚类工具0